numpy 常用工具函数 —— np.bincount/np.average
一个函数提供 random_state 的关键字参数（keyword parameter）：是为了结果的可再现性（reoccurrence）或叫可重复性。
1. np.bincount()：统计次数
接口为：
numpy.bincount(x, weights=None, minlength=None)- 1
尤其适用于计算数据集的标签列（y_train）的分布（distribution），也即获得 class distribution ：
>>> np.bincount(y_train.astype(np.int32))- 1
>>> np.bincount(np.array([0, 1, 1, 3, 2, 1, 7]))
array([1, 3, 1, 1, 0, 0, 0, 1], dtype=int32)
# 分别统计0-7分别出现的次数- 1
- 2
- 3
If weights is specified the input array is weighted by it, i.e. if a value n is found at position i, out[n] += weight[i] instead of out[n] += 1.
>>> w = np.array([0.3, 0.5, 0.2, 0.7, 1., -0.6]) # weights
>>> x = np.array([0, 1, 1, 3, 2, 2])
>>> np.bincount(x, w)
array([ 0.3, 0.7, 0.4, 0.7])
# 0: 0.3
# 1:0.5+0.2
# 2: 1+(-0.6)
# 3: 0.7- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
np.bincount() 从零开始计数；
>>> np.bincount([3, 4, 4, 3, 3, 5])
array([0, 0, 0, 3, 2, 1], dtype=int32)
# 分别表示0出现的次数，
# 1出现的次数，
# 2出现的次数，
# 。。。- 1
- 2
- 3
- 4
- 5
- 6
2. np.average()
np.average(X, axis=0, weights=w) == w.dot(X)
等式左部表示加权平均，sum(w)==1时才有意义，也即等式的左部比等式的右部多了一层加权平均的意义，内积代表着实现该意义的动作。
X = np.array([[.9, .1],
[.8, .2],
[.4, .6]])
w = np.array([.2, .2, .6])
print(w.dot(X))
print(np.average(X, axis=0, weights=w))- 1
- 2
- 3
- 4
- 5
- 6
在一些情况下只能使用np.average()而无法使用简单的矩阵乘法操作：
比如：
P = np.asarray([c.predict_proba(X) for c in clfs])
# 此时P是一个三维矩阵
# (# of clfs) * (# of samples) * (# of classes)
np.average(P, axis=0, weights=w)
# 此时的shape为 ((# of samples) * (# of classes))
# 仍然维持行和为1
- 1
- 2
- 3
- 4
- 5
- 6
- 7
也有一些情况下只能使用 np.average 而无法使用dot（矩阵乘法，matrix multiplication）运算：
def predict_proba(self, X):
probas = np.asarray([clf.predict_proba(X) for clf in self.classifiers_])
# return self.weights.dot(probas)
# 此时self.weights有未赋值的风险
# None类型肯定是不支持dot函数的
return np.average(probas, axis=0, weights=self.weights)
# np.average的功能便是，如果weights参数为None
# 就执行正常的求平均操作